基于数据分布信息的单类支撑向量机

• 作 者: 王晓明 彭宏
• 机 构: 西华大学数学与计算机学院
• 出 处: 西华大学学报(自然科学版)
• 发表日期: 2012年1期
• 关键词: 单类支撑向量机 核方法 例外点检测 One-Class SVM kernel method outlier detection

单类支撑向量机（One—Class SVM）是一种重要的核方法，但是其缺少对数据分布信息的考虑，因而制约了其泛化能力的进一步提高。针对此问题，重新定义了原点到超平面的距离，进而提出了基于数据分布信息的单类支撑向量机（DDOne—Class SVM）。推导构建了DDOne—Class SVM算法的优化问题，详细分析和讨论了该优化问题在散度矩阵奇异情况下的求解方法以及该算法的非线情况。相对于传统One．Class SVM算法，该算法体现出了更好的泛化能力。